从大数据到大智库：大数据时代的智库建设

智库是国家软实力的重要载体，是国家治理能力的重要体现。《关于加强中国特色新型智库建设的意见》政策文本纲要性地阐述了中国特色新型智库的功能定位和建设标准，为智库建设指明了道路和方向。特别是在迈向大数据时代的当下，如何利用大数据思维和大数据技术提升智库的资政启民功能、破解改革发展稳定难题、应对复杂多变的全球性问题、加速推进中国由智库大国向智库强国转变，是当下中国智库建设不可回避的焦点议程。2013 年9月10日在加利福尼亚州圣荷西费尔蒙特市举办了主题为“硅谷、全球增长、创新和领导共同体”的研讨会。[1]会议认为，强大的大数据智库不仅对于企业的创新与增长有着至关重要的引擎作用，而且政府也可以通过世界快速移动、数据驾驶及大数据分析，将大数据计算能力转化为决策能力。

一、作为智库工具的大数据

众所周知，大数据具有4V的基本特征：(1)容量大(Volume)，并呈现出指数级增长态势;(2)速度快(Velocity)，包括数据更新换代速度和数据运算速度;(3)种类多(Variety)，涵盖各种来源、形式和结构的数据;(4)价值高(Value)，通过数据挖掘服务实践应用。同时，大数据也具有DPP三大基本功能：(1)描述(Descriptive)，通过对数据的统计分析，描述数据表现出的现象与规律;(2)规定(Prescriptive)，利用历史数据建立分析模型和规范化的分析流程，实现对连续数据流的实时分析;(3)预测(Predictive)，通过对数据的深层挖掘构建预测模型，实现对未来状态的预测。[2]

由此可知，所谓大数据的“大”首先体现在其规模和容量远远超出传统数据的测量尺度，目前的数据规模已经从TB级升级至PB级，一般的软件工具难以捕捉、存储、管理和分析。同时，大数据之“大”还表现在其采集范围和内容的丰富多变，能存入数据库的不仅包含各种具有规律性的结构性数据，还包括了各种如图片、视频、声音等非结构性数据。在大数据时代，“行动即数据”，个体任何一项微小的行动(比如点击鼠标、刷卡等)都会被编码，这些编码乍看之下杂乱无章，可结合编码的时间、地点、频率等数据，通过特定的复杂运算之后，其意义便能体现出来。[3]

作为智库工具的大数据，它对当代智库建设的功能主要表现在：第一，大数据为智库建设提供精准的信息来源。从一定程度上来说，数据与信息是智库生存和发展的生命线，没有数据的智库犹如无源之水、无根之木，而精准的数据和信息更是实施精细研究和开展精准决策的基础。第二，大数据为智库建设提供强大的技术支撑。一个没有数据技术支撑的决策咨询和研究报告很难说是一份有质量、高水平的智库报告，一个缺乏技术支撑系统的智库很难说是一个高水平的智库。第三，大数据为智库建设提供科学的研究工具。智库的决策分析、风险研究和政策评估不可能建立在传统的经验基础上，它需要大数据为科学决策和政策评估提供实时动态监测和实时预警分析，需要大数据推进智库风险分析的精细化和精确化。

在大数据、云计算、社会化媒体等全新信息技术的猛烈冲击下，原来存在于政府和公众之间的信息差、文化差、知识差、能力差正在逐步消除。[4]通过全国甚至全球智囊机构的链接将大数据分析与政府信息结合起来，以构建一个新的、更加精细的大智库，为政府提供意想不到的信息快照及决策推动。[5]众所周知，人类社会近乎所有的行为信息、交易数据、舆情动态都会被大数据平台全过程、全方位地记录和跟踪，这为构建起一整套完整的数据大连接和数据大共享系统奠定了基础。与此同时，大数据驱动下的智库通过智能分析、数据挖掘，能够实时地监测社会舆情、预判政策可能后果、监控政策执行成效。另一方面，即时的数据共享也会推进智库研究的整体性、系统性和全面性开展，能够有效地避免由于信息不对称所导致的劣质咨询服务，从而真正协助政府解决科学决策、精细管理、精准服务、风险防控和危机处理过程中遇到的瓶颈和顽疾。

二、作为数据支撑的大智库

智库是现代社会发展的“思想工厂”，是决策辅助机构的“智慧生产”，是政策研究组织的“思想实验室”。作为“思想工厂”的智库以公共政策研究为任务，提供决策咨询，提出各种设计方案，为公共决策者献计献策、运筹谋划，从而有效达成影响公共政策和公共舆论目的。来自《全球智库报告》的数据显示，2016年全球共有智库6846家，美国拥有1835家，保持智库数量世界第一;中国稳居世界第二，拥有智库数量达435家;英国和印度智库数量位列中国之后，分别为288家和280家。[6](见表1)

由此可见，中国已然成为了智库大国。然而，“智库大国”并非“智库强国”，究其原因具体表现在以下方面：一是智库的独立性较弱，众多“委托”形式下的智库产品难免存在公正性不足和偏向性嫌疑;二是过分注重智库成果的批示率，然批示率不等于转化率和应用率，而且解决“真问题”的智库成果转化率不足;三是智库专业人才不足，从事智库研究的顶尖专家所发挥的作用受限;四是对“小样本”、“小数据”的路径依赖容易导致智库研究的数据不足和样本不足，无法真正做到“以小见大”;五是智库的多学科知识储备和多种类研究方法不足，智库研究报告的质量有待提升;六是智库建设缺乏整体规划，“拉郎配”现象并不少见，智库资源的配置缺乏系统性和科学性。

在公共事务和社会问题越来越复杂的当下，面对区域安全、环境保护、人口健康等极具挑战性的治理问题都可以通过大数据找到答案，学者们认为通过部署大数据解决方案及关键实施大数据解决方案是解决智库研究和公共决策的最佳做法。[7]因此，传统智库有必要打破原有以思想表达为主的经验性研究范式，迈向建立以客观事实为核心驱动力的大智库形态。正如《全球智库报告》中所言，人类社会对基于事实和行动分析的诉求要远远大于对单纯的思想表达的诉求。大数据可以帮助解决人类面临的各种挑战，设立智库的目的是分析数据并产生洞察力，帮助公共部门、私营和非营利部门的领导者做出更加明智的选择。[8]从一定程度上来说，所谓“大智库”的“大”必须要求智库发展走向前沿化、技术化、专家化、高端化：走向前沿化就是大智库要研究新形势、新问题，提出新方法、新方案;走向技术化就是大智库是以计算机和人工智能系统为核心、多种高新技术集成与融合所构成的智库;走向专家化就是大智库必然需要研究有关问题、熟悉相关专业知识的科学家与技术专家;走向高端化就是大智库研究目标定位高、研究项目立意高、研究成果质量高。

大智库借助现代科学方法对可能面对的纷繁复杂的公共问题展开分析，提出各种对策方案，并对各种方案的可达性与有效性作出科学预测。因此，大智库需要引入自动文本分析、社会网络分析和空间分析等大数据分析方法。通过大数据分析方法的运用，智库能够回答复杂的政治、经济与社会问题，帮助决策者做出更加明智的决定。[9]具体而言，通过自动文本分析，深入挖掘文本信息和进行内容分析;运用社会网络分析了解个体之间的关联性，让智库研究者更加充分地理解社会现象的内在规律;智库研究者还可以通过空间分析强化分析结果，采用可视化技术向政府和社会全景化地展示智库研究成果。通过对庞大的数据资源及其潜在价值的深度挖掘有助于智库更好地把握经济热点和社会动态，能够更为科学地预测经济领域的发展趋势，进而优化智库产品结构、产品形态和服务流程。

三、大数据驱动大智库建设的制度安排

大数据虽然存在巨大的挑战，但利用它可以使政府以数据为导向，同时鼓励及时制定和推行相关政策，从而将信息转化为行动。[10]为了在大数据时代更好推动大智库建设，需要开展如下几个方面的制度安排。

第一，创新智库大数据思维。在大数据时代，深度挖掘庞大的数据资源及其潜在价值，能够让智库研究更好地把握市场动态和社会热点，因而智库建设要将大数据视作重要战略资源和核心创新要素。更为重要的是，智库研究人员要能够挖掘大数据承载的信息要义，理解研究对象的本质和变化规律，在完成大数据的采集、存储和处理后，还要重视利用专业人才和技术人才各自的优势来识别数据价值，让数据资源最大程度地服务智库决策咨询研究。因此，大智库建设具备大数据思维要求：(1)加强事实分析。智库研究既要进行“全数据”的收集，了解公共治理问题的全貌，也要深入实地了解公共治理问题产生的原因，确保决策咨询的效度和信度。(2)注重集思广益。群策群力、广开言路，集中众人的思想和智慧，从大量的数据和信息中寻找更好的、有价值的数据和智慧，从众多的备选方案中寻找最好的方案。(3)服务决策咨询。决策咨询针对的是公共决策过程中所遇到的重点问题和难点问题，这就需要智库研究人员运用大数据思维和技术尽可能地简化问题和解决问题。

第二，建立智库大数据平台。我们知道，大数据主要来自个人在互联网和移动互联网进行活动所产生的数据、企业或各领域在运行过程中产生的数据、机器和传感器提供的流水作业和监测记录的数据以及经过人为加工、被称为知识文化成果的各种结构化数据库。而大智库要向政府和社会提供具有前瞻性和针对性的对策建议，展现其综合研判和战略谋划的研究能力，必须要建立功能完备的大数据采集分析系统，构筑符合决策研究需要和彰显决策分析水平的大数据平台。因此，建立智库的大数据平台需要积累全面的、时序较长的第一手数据和大数据采集分析系统。第一手数据是体现智库原创分析和独立分析的窗口，用第一手资料开展大数据分析，不但可以确保研究资料的真实性，而且可以增加智库研究成果的有效性。同时，全面的和较长时序的统计数据还有利于智库研究人员通过观察数据的完整性和混杂性，更好地了解数据所携带的信息内涵。智库大数据平台建设要提升结构化数据管理技术，要注重视频、音频、图片、文本等非结构化数据管理的标准化建设，从而增进智库大数据平台之间非结构化数据的共享。

第三，提升智库大数据能力。大数据时代，数据规模跃升到GB、TB、PB、EB级别，甚至是ZB级别。面对“海量数据”，现代智库研究不得不借助于专门的数据分析和数据挖掘方法开展全数据分析、相关分析和预测分析。这就要求智库人员在完成大数据样本也即全数据采集后，全面而又完整地描述研究对象，抓取出某些极为重要的细节以开展针对性的研究。同时，面对规模巨大和类型复杂的大数据，要求智库研究的分析方法不再偏重揭示事物之间的必然关系，也即因果关系，而是要适度转换到相关性分析，并通过对事物之间的“关联”梳理和总结形成全新的研究视角。智库研究人员借助海量数据建立数据分析和数据模型，能够提高智库研究成果的准确性和精确性。当大数据技术与现代识别系统、媒体扫描分析、社交媒体、复杂数据和政府决策相结合时，能更好地满足决策者想要得到的具体政策。[11]

第四，培育智库大数据人才。大数据时代催生出大数据工程师、大数据研究员、大数据架构师、大数据分析师、首席数据官等大数据人才岗位。作为一种高层次复合型人才，大数据人才需要综合掌握数学、统计学、数据分析、机器学习和自然语言处理等多方面知识。针对这一现状，国际国内众多高校先后推出大数据专业课程以适应不断变化的人力资源需求，不少企业也在产品和市场分析、安全和风险分析以及商业智能等领域着力培训大数据人才和建设大数据人才团队。随着大数据人才在组织人力资源管理中的地位日益突出，大数据人才储备已然成为重要的智力资源，对组织的可持续发展产生越来越重要的影响和作用。毫无疑问，具备熟悉大数据技术、掌握大数据方法、开展大数据精准分析的专门大数据人才能够展现智库研究的专业化水准，提高智库研究成果的质量和水平，从而让更多的智库产品更好地服务于国家重大战略和地方治理需求。

第五，优化智库大数据环境。完善知识产权保护体系、促进数据共享和整合和推动数据价值创造是大数据时代的价值共识。因此，国家和政府部门需要出台法律法规为涉及企业运营数据、客户信息、个人隐私和各种行为的详细记录数据和数据资源管理提供法律保障。同时，建立完善的大数据管理体制机制、大数据应用的基础设施与支撑平台建设，做好内部数据统筹管理，以及统一做好数据采集、共享、开放和标准化工作，改变目前分块、分段、分条、分类的信息资源管理体制，打破政策、制度层面各种“数据孤岛”之间相互隔离的状况，实现智库研究中数据源采集的大连接，解决大数据采集重复、大数据共享困难和大数据服务低效等问题。

四、 大数据驱动大智库建设的机制设计

建立以大数据为核心驱力的“大智库”系统，能够发挥大数据在描述、规范以及预测领域的强大功能，增强智库研究的准确度和精准度。因此，大智库建设还需要从如下几个方面进行机制设计：

(一)数据驱动机制。建设中国特色的新型智库必须紧跟现代科技发展趋势，充分利用大数据、云计算、物联网等前沿技术工具，推动传统智库走向以大数据连接为核心的大智库，推动政策咨询由传统的“经验咨询”向“精准咨询”转型。建立以大数据为核心的数据驱动和智库引擎机制，构建智库数据大连接，打破由于部门孤立与行业分割等因素导致的“数据孤岛”现象，提升智库研究所需要的宏观经济运行、社会舆情动态、公众舆情以及政策执行情况等相关数据的收集、监测、分析、预测等数据挖掘和处理服务能力。[12]

(二)数据挖掘机制。大数据时代的智库建设要打破传统的“闭门造车”模式，充分汇集并发挥利害相关人、资深学者、民间学者、社会公众的智慧。拓宽社会公众参与智库建设和政策提议的主要渠道，积极发挥“互联网+”以及“大数据×”在网络信息交互收集、挖掘、分析和研判的特殊功能，完善和开辟各类互联网及数据采集平台，为智库的理论创新和政策研究提供精准的数据支持。比如，中国农村发展智库平台就是建立在共享海量学术资源的理念之上，通过打造模型化数据，实现科学化方针以及智能化预测，弥补了村庄信息统计、农村舆情监测、农村发展趋势预测，也为农村发展政策提供了海量的大数据支持。

(三)数据共享机制。充分发挥大数据、互联网+、智能化系统的强大功用，建设多层次、跨学科的多元化智库交流平台，促进政府、智库、社会三方面的信息交互、数据共享、协同作业，构建一个共同参与、优势互补、协同高效的中国特色新型智库服务平台。通过智库大数据协同科研平台，推动智库建设走向跨学科协同、跨行业协同、跨区域协同的新型智库发展模式，从而提供多角度、多领域的决策咨询服务，为推进国家的科学发展、创新发展、和谐发展提供智力支持。

(四)数据管理机制。智库作为独立于政府机构之外从事公共政策研究和分析的非营利性学术组织，其实用功效的发挥越来越影响着政府治理的科学化和精准化程度。因此，必须健全和完善智库管理结构和组织章程，规范智库运行机制，提高智库的运行效率。通过大数据智库系统的实时数据管理，实现对智库成员科研活动的全过程监控、评测。运用可视化数据平台可以跟踪智库成员的科研过程，强化绩效考核管理，实现科研成果的分布式多系统共享。

(五)数据采购机制。智库作为政策研究和政策咨询的专门机构，具有非营利性和高知识密集性的特点，持续、稳定、充足的资金投入是保证智库高质量、高效率运行的基础和前提。毫无疑问，政府是智库服务的主要用户，承担着智库运行所需的绝大部分经费供给。因此，政府要适度扩大向智库采购服务的范围，凡属智库提供的咨询报告、政策方案、规划设计、调研数据等均可纳入政府采购范围和政府购买服务指导性目录。同时，也可建立具有竞争性和激励性的经费供给和分配机制，实行按需购买、以事定费、公开择优、合同管理的购买机制，采用公开招标、邀请招标、竞争性谈判、单一来源等多种方式进行数据购买，从而不断提高智库资源利用效率。

(六)数据评价机制。对于智库的研究成果要严格把控和客观评价，需要构建智库成果的多元评价体系。由于智库的基本功用就是满足政府和社会的需求，因此智库成果的评价在看中理论成果创新的同时，更应该重视研究成果的应用价值。同时，政府决策是基于事实和数据的决策，智库研究更多依赖于事实和数据的研究，因此智库成果的真实性、应用性和创新性评价必不可少。当然，更为重要的是建立用户评价、同行评价和社会评价的组合评价机制，不断提高智库产品的质量和效益，不断提升大智库的社会服务能力和水平。

[参考文献]

[1] [7][10]Frost & Sullivan.Big Data Think Tank： Encapsulating the Phenomenon. Information Technology Business; Atlanta， Aug 27， 2013， p45.

[2] [美]Jay Lee.工业大数据：工业4.0时代的工业转型与价值创造[M].邱伯华译.北京：机械工业出版社.2015.46-47.

[3] [4]陈潭. 大数据驱动社会治理的创新转向[J]. 行政论坛， 2016(6).

[5] Murphy， Megan. JPMorgan's Global Think-tank Uses Big Data to Read US Economy.FT.com, London， 2015-5-20.

[6] 张胜.《全球智库报告2016》显示：中国智库态势良好成绩亮眼[N]. 光明日报2017-02—09第11版.

[8] [9]United States. JP Morgan Launches Think Tank Using Big Data To Study U.S. Economy.Asia News Monitor; Bangkok(May25 ，2015).

[11] Research： Think Tank - Data - How Big Data Can Find FDI Opportunities Foreign Direct Investment. London (Jun/Jul 2015).

[12] 罗繁明.利用大数据推进新型智库建设[N]. 人民日报，2017-07-15.

* 基金项目：国家社科基金重大专项项目“大数据驱动政府治理现代化研究”(编号：17VZL021)

由此可见，中国已然成为了智库大国。然而，“智库大国”并非“智库强国”，究其原因具体表现在以下方面：一是智库的独立性较弱，众多“委托”形式下的智库产品难免存在公正性不足和偏向性嫌疑;二是过分注重智库成果的批示率，然批示率不等于转化率和应用率，而且解决“真问题”的智库成果转化率不足;三是智库专业人才不足，从事智库研究的顶尖专家所发挥的作用受限;四是对“小样本”、“小数据”的路径依赖容易导致智库研究的数据不足和样本不足，无法真正做到“以小见大”;五是智库的多学科知识储备和多种类研究方法不足，智库研究报告的质量有待提升;六是智库建设缺乏整体规划，“拉郎配”现象并不少见，智库资源的配置缺乏系统性和科学性。

在公共事务和社会问题越来越复杂的当下，面对区域安全、环境保护、人口健康等极具挑战性的治理问题都可以通过大数据找到答案，学者们认为通过部署大数据解决方案及关键实施大数据解决方案是解决智库研究和公共决策的最佳做法。[7]因此，传统智库有必要打破原有以思想表达为主的经验性研究范式，迈向建立以客观事实为核心驱动力的大智库形态。正如《全球智库报告》中所言，人类社会对基于事实和行动分析的诉求要远远大于对单纯的思想表达的诉求。大数据可以帮助解决人类面临的各种挑战，设立智库的目的是分析数据并产生洞察力，帮助公共部门、私营和非营利部门的领导者做出更加明智的选择。[8]从一定程度上来说，所谓“大智库”的“大”必须要求智库发展走向前沿化、技术化、专家化、高端化：走向前沿化就是大智库要研究新形势、新问题，提出新方法、新方案;走向技术化就是大智库是以计算机和人工智能系统为核心、多种高新技术集成与融合所构成的智库;走向专家化就是大智库必然需要研究有关问题、熟悉相关专业知识的科学家与技术专家;走向高端化就是大智库研究目标定位高、研究项目立意高、研究成果质量高。

大智库借助现代科学方法对可能面对的纷繁复杂的公共问题展开分析，提出各种对策方案，并对各种方案的可达性与有效性作出科学预测。因此，大智库需要引入自动文本分析、社会网络分析和空间分析等大数据分析方法。通过大数据分析方法的运用，智库能够回答复杂的政治、经济与社会问题，帮助决策者做出更加明智的决定。[9]具体而言，通过自动文本分析，深入挖掘文本信息和进行内容分析;运用社会网络分析了解个体之间的关联性，让智库研究者更加充分地理解社会现象的内在规律;智库研究者还可以通过空间分析强化分析结果，采用可视化技术向政府和社会全景化地展示智库研究成果。通过对庞大的数据资源及其潜在价值的深度挖掘有助于智库更好地把握经济热点和社会动态，能够更为科学地预测经济领域的发展趋势，进而优化智库产品结构、产品形态和服务流程。

三、大数据驱动大智库建设的制度安排

大数据虽然存在巨大的挑战，但利用它可以使政府以数据为导向，同时鼓励及时制定和推行相关政策，从而将信息转化为行动。[10]为了在大数据时代更好推动大智库建设，需要开展如下几个方面的制度安排。

第一，创新智库大数据思维。在大数据时代，深度挖掘庞大的数据资源及其潜在价值，能够让智库研究更好地把握市场动态和社会热点，因而智库建设要将大数据视作重要战略资源和核心创新要素。更为重要的是，智库研究人员要能够挖掘大数据承载的信息要义，理解研究对象的本质和变化规律，在完成大数据的采集、存储和处理后，还要重视利用专业人才和技术人才各自的优势来识别数据价值，让数据资源最大程度地服务智库决策咨询研究。因此，大智库建设具备大数据思维要求：(1)加强事实分析。智库研究既要进行“全数据”的收集，了解公共治理问题的全貌，也要深入实地了解公共治理问题产生的原因，确保决策咨询的效度和信度。(2)注重集思广益。群策群力、广开言路，集中众人的思想和智慧，从大量的数据和信息中寻找更好的、有价值的数据和智慧，从众多的备选方案中寻找最好的方案。(3)服务决策咨询。决策咨询针对的是公共决策过程中所遇到的重点问题和难点问题，这就需要智库研究人员运用大数据思维和技术尽可能地简化问题和解决问题。

第二，建立智库大数据平台。我们知道，大数据主要来自个人在互联网和移动互联网进行活动所产生的数据、企业或各领域在运行过程中产生的数据、机器和传感器提供的流水作业和监测记录的数据以及经过人为加工、被称为知识文化成果的各种结构化数据库。而大智库要向政府和社会提供具有前瞻性和针对性的对策建议，展现其综合研判和战略谋划的研究能力，必须要建立功能完备的大数据采集分析系统，构筑符合决策研究需要和彰显决策分析水平的大数据平台。因此，建立智库的大数据平台需要积累全面的、时序较长的第一手数据和大数据采集分析系统。第一手数据是体现智库原创分析和独立分析的窗口，用第一手资料开展大数据分析，不但可以确保研究资料的真实性，而且可以增加智库研究成果的有效性。同时，全面的和较长时序的统计数据还有利于智库研究人员通过观察数据的完整性和混杂性，更好地了解数据所携带的信息内涵。智库大数据平台建设要提升结构化数据管理技术，要注重视频、音频、图片、文本等非结构化数据管理的标准化建设，从而增进智库大数据平台之间非结构化数据的共享。

第三，提升智库大数据能力。大数据时代，数据规模跃升到GB、TB、PB、EB级别，甚至是ZB级别。面对“海量数据”，现代智库研究不得不借助于专门的数据分析和数据挖掘方法开展全数据分析、相关分析和预测分析。这就要求智库人员在完成大数据样本也即全数据采集后，全面而又完整地描述研究对象，抓取出某些极为重要的细节以开展针对性的研究。同时，面对规模巨大和类型复杂的大数据，要求智库研究的分析方法不再偏重揭示事物之间的必然关系，也即因果关系，而是要适度转换到相关性分析，并通过对事物之间的“关联”梳理和总结形成全新的研究视角。智库研究人员借助海量数据建立数据分析和数据模型，能够提高智库研究成果的准确性和精确性。当大数据技术与现代识别系统、媒体扫描分析、社交媒体、复杂数据和政府决策相结合时，能更好地满足决策者想要得到的具体政策。[11]

第四，培育智库大数据人才。大数据时代催生出大数据工程师、大数据研究员、大数据架构师、大数据分析师、首席数据官等大数据人才岗位。作为一种高层次复合型人才，大数据人才需要综合掌握数学、统计学、数据分析、机器学习和自然语言处理等多方面知识。针对这一现状，国际国内众多高校先后推出大数据专业课程以适应不断变化的人力资源需求，不少企业也在产品和市场分析、安全和风险分析以及商业智能等领域着力培训大数据人才和建设大数据人才团队。随着大数据人才在组织人力资源管理中的地位日益突出，大数据人才储备已然成为重要的智力资源，对组织的可持续发展产生越来越重要的影响和作用。毫无疑问，具备熟悉大数据技术、掌握大数据方法、开展大数据精准分析的专门大数据人才能够展现智库研究的专业化水准，提高智库研究成果的质量和水平，从而让更多的智库产品更好地服务于国家重大战略和地方治理需求。

第五，优化智库大数据环境。完善知识产权保护体系、促进数据共享和整合和推动数据价值创造是大数据时代的价值共识。因此，国家和政府部门需要出台法律法规为涉及企业运营数据、客户信息、个人隐私和各种行为的详细记录数据和数据资源管理提供法律保障。同时，建立完善的大数据管理体制机制、大数据应用的基础设施与支撑平台建设，做好内部数据统筹管理，以及统一做好数据采集、共享、开放和标准化工作，改变目前分块、分段、分条、分类的信息资源管理体制，打破政策、制度层面各种“数据孤岛”之间相互隔离的状况，实现智库研究中数据源采集的大连接，解决大数据采集重复、大数据共享困难和大数据服务低效等问题。

四、 大数据驱动大智库建设的机制设计

建立以大数据为核心驱力的“大智库”系统，能够发挥大数据在描述、规范以及预测领域的强大功能，增强智库研究的准确度和精准度。因此，大智库建设还需要从如下几个方面进行机制设计：

(一)数据驱动机制。建设中国特色的新型智库必须紧跟现代科技发展趋势，充分利用大数据、云计算、物联网等前沿技术工具，推动传统智库走向以大数据连接为核心的大智库，推动政策咨询由传统的“经验咨询”向“精准咨询”转型。建立以大数据为核心的数据驱动和智库引擎机制，构建智库数据大连接，打破由于部门孤立与行业分割等因素导致的“数据孤岛”现象，提升智库研究所需要的宏观经济运行、社会舆情动态、公众舆情以及政策执行情况等相关数据的收集、监测、分析、预测等数据挖掘和处理服务能力。[12]

(二)数据挖掘机制。大数据时代的智库建设要打破传统的“闭门造车”模式，充分汇集并发挥利害相关人、资深学者、民间学者、社会公众的智慧。拓宽社会公众参与智库建设和政策提议的主要渠道，积极发挥“互联网+”以及“大数据×”在网络信息交互收集、挖掘、分析和研判的特殊功能，完善和开辟各类互联网及数据采集平台，为智库的理论创新和政策研究提供精准的数据支持。比如，中国农村发展智库平台就是建立在共享海量学术资源的理念之上，通过打造模型化数据，实现科学化方针以及智能化预测，弥补了村庄信息统计、农村舆情监测、农村发展趋势预测，也为农村发展政策提供了海量的大数据支持。

(三)数据共享机制。充分发挥大数据、互联网+、智能化系统的强大功用，建设多层次、跨学科的多元化智库交流平台，促进政府、智库、社会三方面的信息交互、数据共享、协同作业，构建一个共同参与、优势互补、协同高效的中国特色新型智库服务平台。通过智库大数据协同科研平台，推动智库建设走向跨学科协同、跨行业协同、跨区域协同的新型智库发展模式，从而提供多角度、多领域的决策咨询服务，为推进国家的科学发展、创新发展、和谐发展提供智力支持。

(四)数据管理机制。智库作为独立于政府机构之外从事公共政策研究和分析的非营利性学术组织，其实用功效的发挥越来越影响着政府治理的科学化和精准化程度。因此，必须健全和完善智库管理结构和组织章程，规范智库运行机制，提高智库的运行效率。通过大数据智库系统的实时数据管理，实现对智库成员科研活动的全过程监控、评测。运用可视化数据平台可以跟踪智库成员的科研过程，强化绩效考核管理，实现科研成果的分布式多系统共享。

(五)数据采购机制。智库作为政策研究和政策咨询的专门机构，具有非营利性和高知识密集性的特点，持续、稳定、充足的资金投入是保证智库高质量、高效率运行的基础和前提。毫无疑问，政府是智库服务的主要用户，承担着智库运行所需的绝大部分经费供给。因此，政府要适度扩大向智库采购服务的范围，凡属智库提供的咨询报告、政策方案、规划设计、调研数据等均可纳入政府采购范围和政府购买服务指导性目录。同时，也可建立具有竞争性和激励性的经费供给和分配机制，实行按需购买、以事定费、公开择优、合同管理的购买机制，采用公开招标、邀请招标、竞争性谈判、单一来源等多种方式进行数据购买，从而不断提高智库资源利用效率。

(六)数据评价机制。对于智库的研究成果要严格把控和客观评价，需要构建智库成果的多元评价体系。由于智库的基本功用就是满足政府和社会的需求，因此智库成果的评价在看中理论成果创新的同时，更应该重视研究成果的应用价值。同时，政府决策是基于事实和数据的决策，智库研究更多依赖于事实和数据的研究，因此智库成果的真实性、应用性和创新性评价必不可少。当然，更为重要的是建立用户评价、同行评价和社会评价的组合评价机制，不断提高智库产品的质量和效益，不断提升大智库的社会服务能力和水平。

[参考文献]

[1] [7][10]Frost & Sullivan.Big Data Think Tank： Encapsulating the Phenomenon. Information Technology Business; Atlanta， Aug 27， 2013， p45.

[2] [美]Jay Lee.工业大数据：工业4.0时代的工业转型与价值创造[M].邱伯华译.北京：机械工业出版社.2015.46-47.

[3] [4]陈潭. 大数据驱动社会治理的创新转向[J]. 行政论坛， 2016(6).

[5] Murphy， Megan. JPMorgan's Global Think-tank Uses Big Data to Read US Economy.FT.com, London， 2015-5-20.

[6] 张胜.《全球智库报告2016》显示：中国智库态势良好成绩亮眼[N]. 光明日报2017-02—09第11版.

[8] [9]United States. JP Morgan Launches Think Tank Using Big Data To Study U.S. Economy.Asia News Monitor; Bangkok(May25 ，2015).

[11] Research： Think Tank - Data - How Big Data Can Find FDI Opportunities Foreign Direct Investment. London (Jun/Jul 2015).

[12] 罗繁明.利用大数据推进新型智库建设[N]. 人民日报，2017-07-15.

* 基金项目：国家社科基金重大专项项目“大数据驱动政府治理现代化研究”(编号：17VZL021)

作者：陈潭，广州大学公共管理学院院长、教授，广州510006